C语言位运算

位操作符

1 位与:&
真值表:1&0=0 1&1=1 0&0=0 0&1=0
2 位或:|
真值表:1|0=1 1|1=1 0|0=0 0|1=1
3 位取反:~
(二进制)~1111 = 0000
4 位异或
真值表: 1^1=0 0^0=0 1^0=1 0^1=1

5 左移
左移时右侧补0
6 右移
对于无符号数,右移时左侧补0
对于有符号数,右移时左侧补符号位
一般来说对于移位操作都是对无符号数。

位操作在ARM系统中用来操作寄存器,寄存器是按位进行规划的。通过向寄存器写入特定的值来操作外设。
设置1用 | ,清零用&,取反用~,如下所示:
将正整数a,设置bit3位,其他位不变
a = a | (0x1 << 4)
将正整数a,设置bit3~bit7位,其他位不变
a = a | (0x1f << 3)
取出正整数a的bit3~bit8位
a = a & (0x3f << 3)

宏定义来设置位运算。

U代表是无符号的数
将x的第n位置1
#define SET_BIT(x,n) (x | (1U << (n-1)))

将x的第n位清0
#define CLEAR_BIT(x,n) (x & ~(1U << (n-1)))

32位数x的第n位到第m位(右边起算,也就是bit0算第1位,m是高位)置位
#define SET_BIT(x,m,x) (x | (~0U) >> (m-n+1) << (n-1))
第1步:先得到32位1: ~0U
第2步:将第1步得到的数右移x位即可得到(m-n+1)个1

基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值